The name(s) of author(s) (Times New Roman, 12 pt, centered)

Institute of Economic Research Working Papers
No. 10/2016
Polityka łagodzenia ubóstwa energetycznego
a jakość życia w Polsce
Michał Litwiński
The paper submitted to
6th NATIONAL STUDENT SCIENTIFIC CONFERENCE
PROBLEMS OF GLOBAL ECONOMY
April 15, 2016, Toruń, Poland
Toruń, Poland 2016
© Copyright: Creative Commons Attribution 3.0 License
2
Michał Litwiński
[email protected].
Poznań University of Economics
Polityka łagodzenia ubóstwa energetycznego
a jakość życia w Polsce
Klasyfikacja JEL: I31; C32; Q48
Słowa kluczowe: polityka energetyczna; jakość życia; ceny energii
Abstrakt: Celem opracowania jest weryfikacja hipotezy o korzystnym wpływie
narzędzi polityki łagodzenia ubóstwa energetycznego na jakość życia w Polsce. W
opracowaniu zamieszczono przegląd literatury przedmiotu oraz analizę z
wykorzystaniem metod ekonometrycznych dla danych z lat 2004-2014. Zmienne
dotyczące polityki energetycznej pochodzą z bazy danych OECD, a zmienne
odnoszące się do jakości życia – z Eurostatu. Na podstawie przeprowadzonego
badania stwierdzono, że kształtowanie jednego z narzędzi polityki łagodzenia
ubóstwa energetycznego – cen energii elektrycznej (w celu ich obniżania) może
pozytywnie oddziaływać na dostępność energii elektrycznej, zmniejszając tym
samym zakres i głębokość ubóstwa energetycznego. Ograniczanie tego zjawiska
sprzyja podnoszeniu jakości życia.
Policy of energy poverty alleviation and quality of life in Poland
JEL Classification: I31; C32; Q48
Keywords: energy policy; quality of life; energy prices
Abstract: The aim of the article is to verify a hypothesis about positive influence of
instrument of energy poverty alleviation policy on quality of life in Poland. In the article
literature review is presented. There is also conducted quantitative analysis of data for 20042014. Variables regarding energy policy were obtained from OECD database, variables
regarding quality of life – from Eurostat. The analysis confirmed that shaping one of the
instruments of energy poverty alleviation policy – energy prices can positively affect access
to electricity, thereby reducing scope and depth of energy poverty. Limitation of this
phenomena could be a reason of quality of life increase.
3
Wprowadzenie
W literaturze przedmiotu można znaleźć stosunkowo niewielką liczbę
badań ilościowych identyfikujących charakter wpływu narzędzi polityki
łagodzenia ubóstwa energetycznego na jakość życia w Polsce. Taka analiza
byłaby szczególnie użyteczna w kontekście przyjęcia strategii
Bezpieczeństwo Energetyczne i Środowisko – perspektywa do 2020 r., której
celem jest m.in. zapewnienie wysokiej jakości życia. Zdaniem autora
opracowania dokument ten niedostatecznie docenia wagę zjawiska ubóstwa
energetycznego, stanowiącego problem w Polsce. Ponadto, autorzy Strategii
nie zdefiniowali w bezpośredni sposób pojęcia jakości życia.
Problemem niniejszego opracowania jest pytanie o charakter wpływu
narzędzi polityki łagodzenia ubóstwa energetycznego na jakość życia. Cel
autora stanowi weryfikacja hipotezy o korzystnym wpływie ograniczania
ubóstwa energetycznego na jakość życia w Polsce. Celem szczegółowym
autora niniejszego tekstu jest zdefiniowanie jakości życia i wyznaczenie jej
miernika.
W opracowaniu przeprowadzono przegląd literatury przedmiotu oraz
analizę ekonometryczną dla danych z lat 2004-2014. Wybór zakresu
czasowego wynika z dostępności szeregów czasowych. Zmienne dotyczące
narzędzi polityki łagodzenia ubóstwa energetycznego pochodzą z bazy
danych OECD, natomiast zmienne odnoszące się do elementów jakości
życia – z Eurostatu.
Jakość życia, ubóstwo energetyczne, polityka energetyczna
Becla i Czaja (2003, ss. 133–144) wskazują, że w ekonomii pojęcie
jakości życia pojawiło się w drugiej połowie XX wieku. Od tego czasu
największe uznanie zyskało wieloaspektowe podejście do definiowania
wskazanego zjawiska, co oznacza, że składa się na nie wiele elementów. Fakt
uwzględniania dużej liczby kryteriów powoduje występowanie licznych
definicji jakości życia (Owsiński, Tarchalski, 2008, ss. 59–96). Zjawisko to
można rozpatrywać według podejścia obiektywnego (poziom, warunki życia
jednostki) i/lub subiektywnego (postrzeganie poziomu życia przez
jednostkę, określone stany emocjonalne) (Słaby, 2007, ss. 99–130; Borys,
2008, ss. 125–134; Owsiński, Tarchalski, 2008, ss. 59–96).
Słaby (2007, ss. 99–130) wskazuje, że jakość życia jest bliska
znaczeniowo (nie tożsama jednak) warunkom życia, rozumianym jako
zespół obiektywnych warunków infrastrukturalnych (kondycja materialna,
4
zabezpieczenie egzystencjonalne, zabezpieczenie środowiskowe), w których
funkcjonuje społeczeństwo i jego jednostki. Jednak ocena jakości życia
powinna być dokonywana głównie za pomocą mierników subiektywnych.
Podobnie, Otok (1981, ss. 84–93) oraz World Health Organization (1997, ss.
1–6) wskazują, że jakość życia jest zjawiskiem odczuwanym w sposób
subiektywny. Ta ostatnia definiuje jakość życia jako indywidualnie
postrzeganą pozycję życiową jednostki, ocenianą w kontekście
uwarunkowań kulturowych. Na jakość życia wpływa dobrostan fizyczny i
psychiczny jednostki, poziom wolności, relacje społeczne, przekonania oraz
powiązania danej osoby z innymi elementami otoczenia.
W zakresie pomiaru jakości życia również można wyróżnić podejście
obiektywne i subiektywne. Mimo że w literaturze przedmiotu dominuje
pierwsze z ujęć, Campbell (1976, ss. 117–24), zauważa, że poprawie
warunków życia nie zawsze towarzyszy wzrost zadowolenia. Dlatego też w
procesie pomiaru należy uwzględniać zarówno obiektywny, jak i
subiektywny wymiar jakości życia – tym wskazaniem kieruje się autor
niniejszego opracowania.
Najpopularniejszą metodą pomiaru jakości życia jest kwantyfikacja
określonej liczby zmiennych (kryteriów), które odnoszą się do elementów
jakości życia, a następnie agregacja tych wartości. W literaturze nie istnieje
jednak uzgodniony model, który definiowałby elementy omawianego
zjawiska oraz metodę ich uwzględniania. Owsiński i Tarchalski (2008, ss.
59–96) analizują przykłady dotychczas opracowanych wskaźników, które w
różnym zakresie mogą odnosić się do jakości życia: Wskaźnik Rozwoju
Społecznego (ang. Human Development Index), Wskaźnik Ubóstwa
Społecznego (ang. Human Poverty Index), Wskaźnik Dobrostanu
Społecznego (ang. Well-Being Index), Wskaźnik Jakości Życia (ang. Quality
of Life Index). Z wymienionymi miarami wiążą się uzasadnione wątpliwości
związane ze zbyt małą liczbą zmiennych (HDI), nieprzejrzystymi
procedurami agregacji (W-BI) i innymi niedokładnościami rachunkowymi
(QLI), dużą rolą PKB per capita w kształtowaniu wartości wskaźników oraz
niejasnym sposobem wyznaczania punktacji dla danego poziomu
określonych zjawisk (QLI).
Ze względu na istnienie powyższych wątpliwości autor opracowania
zdecydował się na oszacowanie własnego miernika jakości życia, będącego
podstawą dalszych analiz. Mierniki zjawisk, odpowiadających
poszczególnym elementom jakości życia zaprezentowano w tabeli 1.
5
Tabela 1. Mierniki poziomu zjawisk składających się na jakość życia
Wskaźniki społeczne
Pozostałe warunki życia
Ekonomiczny standard życia
Dziedzina
dochody
Wskaźnik
Deklarujący brak możliwości sprostania
nagłym wydatkom
PKB per capita w cenach rynkowych
Mediana dochodu ekwiwalentnego
wydatki
Wydatki konsumpcyjne per capita
Osoby mające duże i bardzo duże trudności ze
zrównoważeniem budżetu domowego
Żyjący w trudnych war. sanitarnych
warunki
mieszkaniow
Średnia liczba pomieszczeń na
e
mieszkańca
Osoby z niezaspokojonymi potrzebami
w zakresie opieki zdrowotnej
Oceniający stan zdrowia jako bardzo
opieka
dobry oraz bardzo zły (2 zmienne)
medyczna
Oczekiwana liczba lat w zdrowiu – dla
kobiet i mężczyzn osobno
Liczba łóżek w szpitalach
przestępczość
Roczna liczba przestępstw
Mający problem z zanieczyszczeniem
środowisko
środowiska w najbliższym otoczeniu
Doświadczający deprywacji
mieszkaniowej
Doświadczający deprywacji materialnej
deprywacja,
(4 kategorie lub więcej1)
ubóstwo i
wykluczenie Żyjący w gospodarstwach domowych o
niskiej intensywności pracy
Zagrożeni ubóstwem i wykl. Społ.
Osoby z wykształceniem średnim,
wykształceni
policealnym i wyższym (oraz odrębnie
e
z wykształceniem wyższym)
Wskaźnik aktywności zawodowej
rynek pracy
Stopa bezrobocia
Jednos
tka
%
populac
ji
Ocen
a
wg PPS
O
%
populac
ji
-
S
S
O
%
populac
ji
S
-
O
-
%
populac
ji
O
%
populac
ji (1564 lata)
% osób
aktywn
ych
zawodo
wo
Oznaczenia: charakter oceny: O – miara obiektywna, S – miara subiektywna.
Źródło: opracowanie własne na podstawie: (Borys, 2008, ss. 125–134; Czapiński, 2009, ss.
151–194).
6
Problemem w zakresie konstrukcji miernika jakości życia może być
korelacja i autokorelacja zmiennych w nim uwzględnionych, co staje się
przesłanką do usuwania zbędnych kategorii. Z drugiej strony, istnieje
również pogląd, że zestaw zmiennych ustalony w sposób merytoryczny (na
podstawie rozważań teoretycznych dotyczących relacji między zmiennymi)
nie powinien być modyfikowany metodami analizy statystycznej (Owsiński,
Tarchalski, 2008, ss. 59–96). W niniejszym opracowaniu zostanie
zastosowane takie właśnie podejście z uwagi na to, że jakość życia powinna
uwzględniać szeroki zakres zjawisk, z których każde niesie pewną
informację.
Dyskusyjna pozostaje również kwestia agregacji zmiennych (prosto- lub
krzywoliniowy sposób wyznaczania funkcji agregacji). Agregacja
poszczególnych mierników została dokonana poprzez oszacowanie
bezwzorcowego miernika syntetycznego jakości życia (wybór tej metody
jest właściwy z uwagi na metodyczne powiązanie wskaźników pod
względem ich komplementarności – odnoszą się one do różnych aspektów
omawianego zjawiska, niosąc różne informacje (Owsiński, Tarchalski, 2008,
ss. 59–96). Wskaźnik oszacowano z zastosowaniem następującej procedury
(Guzik, Appenzeller, Jurek, 2007, ss. 271–279):
1. zmienne podzielono na stymulanty i destymulanty,
2. w stosunku do destymulant zastosowano przekształcenie ilorazowe,
3. zmienne poddano normalizacji (wartości wskaźników dla kolejnych lat
podzielono przez maksymalną wartość w szeregu czasowym),
4. obliczono miernik syntetyczny jako średnią arytmetyczną otrzymanych
wskaźników.
Autor opracowania zdecydował się na agregację zmiennych poprzez
obliczenie średniej wskaźników przyjętych do badania z uwagi na
niemożność ustalenia postaci funkcyjnej zależności między zmiennymi
składającymi się na skonstruowany wskaźnik – brakuje informacji o
zróżnicowaniu znaczenia różnic wartości poszczególnych zmiennych dla
odmiennych poziomów określonych zjawisk (brak informacji o rozkładach
wszystkich zmiennych).
Rozważając kwestię jakości życia w kontekście kwestii związanych z
rynkiem energii, należy zdefiniować również pojęcie ubóstwa
energetycznego (ang. energy poverty). Grevisse i Brynart (2011, ss. 537–
549), po przeprowadzeniu analizy sposobów rozumienia ubóstwa
energetycznego w Unii Europejskiej zdefiniowali ubóstwo energetyczne
jako brak możliwości uzyskania przez gospodarstwo domowe (lub trudności
z uzyskaniem) dostępu do energii, której potrzebuje ono do zapewnienia
godnych warunków życia (zaspokojenie podstawowych potrzeb) po cenie,
1
Wg definicji Eurostatu.
7
na którą może sobie pozwolić, uwzględniając uzyskiwane dochody. Pomiaru
ubóstwa energetycznego dokonuje się najczęściej poprzez wyznaczanie jego
granicy punktowej. Gospodarstwa domowe, których udział wydatków na
zakup energii elektrycznej w dochodzie przekracza określoną wartość
(zazwyczaj 10%) zostają uznane za ubogie w sensie energetycznym (Barnes,
Khandker, Samad, 2011, ss. 894–904).
Polityka energetyczna stanowi sposób podejmowania przez rządzących
decyzji w odniesieniu do sektora energetycznego, zwłaszcza w zakresie
wielkości produkcji, konsumpcji i dystrybucji energii. Najczęściej
stosowanymi narzędziami polityki energetycznej są: zachęty inwestycyjne,
rozwiązania legislacyjne, ceny energii, podatki i subsydia (Jacobs, 2009, ss.
10–42).
Jednym z celów polityki energetycznej może być łagodzenie ubóstwa
energetycznego – badania wskazują, że zjawisko to jest poważnym
problemem w Polsce. Wskazuje się, że osoby w gospodarstwach domowych
przekraczających 10% udział wydatków na energię elektryczną w dochodzie
mogą stanowić 44% społeczeństwa (dla granicy ubóstwa równej 13% zakres
ubóstwa wynosi 34%) (Miazga, Owczarek, 2015, ss. 9–10).
Bouzarovski, Petrova i Sarlamanov (2012, ss. 76–82) wskazują że
czynnikami łagodzenia ubóstwa energetycznego, które można kształtować
przy pomocy polityki energetycznej są: wielkość dochodów i ceny energii
oraz efektywność energetyczna budynków. Czynniki te wpływają na zakres
i głębokość ubóstwa energetycznego również w Polsce (Stępniak,
Tomaszewska, 2013, ss. 17–19). Polityka energetyczna ma zatem możliwość
wpływania na wspomniane zjawisko z uwagi na dostępne narzędzia, przede
wszystkim poprzez stymulowanie konkurencyjności oraz subsydiowanie,
wpływając tym samym na redukcję cen energii elektrycznej.
Wpływ polityki łagodzenia ubóstwa energetycznego na jakość
życia wg teorii ekonomii
Foster (2000, ss. 34–42) wskazuje, że istnieją dwa kanały wpływu
polityki łagodzenia ubóstwa energetycznego na jakość życia:
 dochody (stymulowanie obniżania cen energii elektrycznej zmniejsza
udział wydatków związanych z jej nabywaniem w dochodzie,
umożliwiając tym samym zakup innych dóbr i usług),
 możliwości uzyskiwania dochodów (obniżanie cen energii stymuluje
zwiększenie jej konsumpcji).
W kontekście drugiego z wymienionych kanałów Kanagawa i Nataka
(2008, ss. 2016–2029) wskazują, że dostęp do elektryczności umożliwia
8
korzystanie z oświetlenia i sprzętu AGD. Dzięki temu wydłużają się godziny
pracy i nauki wieczorami, co ma przełożenie na poziom edukacji, a przez to
na produktywność gospodarstw domowych. Stały dostęp do elektryczności
może zwiększać również samozatrudnienie ze względu na możliwość
wykorzystania podstawowych maszyn w założonym przez siebie
przedsiębiorstwie (World Bank, 2002, ss. 59–60).
Healy (2004, ss. 12–45) wskazuje, że w obliczu rosnących cen surowców
(a przez to cen energii elektrycznej) oraz niskiej efektywności energetycznej
budynków i urządzeń, koszty ogrzewania zaczynają pochłaniać coraz
większą część dochodów obywateli, przez co mogą oni przeznaczać coraz
mniejsze sumy na swój rozwój (np. wykształcenie). Z drugiej strony,
obniżenie wydatków na energię (np. ogrzewanie mieszkań) może być
przyczyną większej zachorowalności. Konsekwencją wyboru jednej z tych
dwóch alternatyw jest obniżenie jakości życia ludności z tytułu zmniejszenia
poziomu kapitału ludzkiego lub dochodów.
W tabeli 2 umieszczono przegląd dotychczasowych analiz, które odnosiły
się do zależności między kwestiami energetycznymi a jakością życia
ludności. Na podstawie większości przeprowadzonych dotychczas badań
można wskazać, że wzrost konsumpcji energii prowadzi do podniesienia
jakości życia. Można zatem przypuszczać, że polityka energetyczna
nastawiona na łagodzenie ubóstwa energetycznego będzie pozytywnie
wpływać na poziom życia ludności. Najczęściej wybieraną zmienną
objaśnianą był wspomniany już HDI. W zakresie zmiennych objaśniających
dominowała konsumpcja energii elektrycznej per capita. Wykorzystane
metody ilościowe ograniczały się do analizy korelacji, regresji oraz badań
panelowych.
9
Konsum
pcja
energii
elektryc
znej
Konsum
pcja
energii
elektryc
znej per
capita
Źródło
Analiza
korelacji i
regresji
Badania
panelowe,
model korekty
błędów
B. panelowe
Brak wpływu
(Mazur, 2011,
ss. 2568–2572)
A. korelacji i
regresji
Silny wpływ
pozytywny w
krajach
rozwijających
się
(Martinez,
Ebenhack,
2008, ss. 1430–
1435)
(Pasternak,
2000, ss. 1-25)
Pozytywny
2006
HDI
Metoda analizy
1997
niezależ
na
1988-2008
zależna
Wpływ wzrostu
konsumpcji
energii
elektrycznej na
jakość życia
1998-2007
Zmienne
Zakres
czasowy
Tabela 2. Dotychczasowe badania wpływu konsumpcji energii elektrycznej na
jakość życia
(Ouedraogo,
2013, ss. 28–
41)
Źródło: opracowanie własne.
Analiza empiryczna
W badaniu empirycznym zależności między polityką łagodzenia ubóstwa
energetycznego uwzględniono następujące zmienne (z oznaczeniami
wskazanymi w nawiasie kwadratowym):
 objaśniana: wskaźnik syntetyczny jakości życia (wyznaczony na
podstawie danych Eurostatu zgodnie z procedurą wskazaną powyżej)
[Quality_of_life],
 objaśniające (dane pochodzą z bazy OECD):
 ceny energii elektrycznej dla gospodarstw domowych (USD/GWh)
[En_prices],
10
 konsumpcja energii elektrycznej w sektorze gospodarstw domowych
per capita (GWh/osoba) [En_consumption],
 maksymalne możliwości wytwórcze sektora energii elektrycznej per
capita (GWh/osoba) [En_capacity].
Szeregi czasowe dla powyższych zmiennych obejmują lata 2004-2014 z
uwagi na dostępność danych. Analizowanym państwem jest Polska.
Przyjęte do badania szeregi czasowe poddano testowi KPSS2 (z hipotezą
zerową mówiącą o stacjonarności szeregu) oraz testowi mnożnika
Lagrange’a3 (z hipotezą zerową mówiącą o braku autokorelacji). Żaden z
szeregów czasowych nie cechuje się niestacjonarnością (wartości 𝑝 dla
zmiennych: Quality_of_life – 0,065; En_consumption – 0,06; En_prices –
0,068; En_capacity – 0,059) ani autokorelacją (wartości 𝑝 dla zmiennych:
Quality_of_life – 0,214; En_consumption – 0,276; En_prices – 0,693;
En_capacity – 0,597)4.
Jako metodę identyfikacji zmiennych objaśniających wpływających na
jakość życia zastosowano analizę przyczynowości w sensie Grangera – w
tym zakresie przeprowadzono procedurę Grangera (Charemza, Deadman,
1997, s. 159-161). Wyniki zamieszczone w tabeli 3 wskazują, że jedynie
zmiany cen i wielkości konsumpcji energii elektrycznej per capita są
przyczyną w sensie Grangera zmian wskaźnika jakości życia, zatem tylko te
zmienne objaśniające zostały uwzględnione w dalszej analizie.
2 Zdecydowano się na test KPSS z uwagi na jego stosunkowo dużą moc (Maddala, 2008,
s. 617-619).
3 Rząd opóźnienia wybrano na podstawie funkcji autokorelacji cząstkowej
4 W całym opracowaniu przyjęto poziom istotności równy 0,05.
11
Tabela 3. Analiza przyczynowości w sensie Grangera dla wskaźnika jakości
życia oraz zmiennych objaśniających
Zmienne
objaśniając
e
En_consum
ption
En_prices
En_capacity
H0
Zmiany
zmiennej
objaśniającej
nie są
przyczyną w
sensie
Grangera
zmian
wskaźnika
jakości życia
Wartoś
ćp
Wniosek
o H0
Wniosek o wpływie
zmiennej objaśniającej
na wskaźnik jakości
życia
0,047
Odrzucam
y
Występuje związek
przyczynowy między
zmiennymi
Brak
podstaw
do
odrzuceni
a
Brak związku
przyczynowego między
zmiennymi
0,046
0,933
Uwagi: statystyka testowa ma rozkład 2 przy liczbie stopni swobody równej liczbie
opóźnień.
Źródło: opracowanie własne.
W ramach przeprowadzanej analizy oszacowano model wektorowej
autoregresji (VAR), który zdaniem Simsa (1980, ss. 1–48) jest efektywnym
narzędziem badania relacji między zmiennymi w sytuacji, gdy mamy do
czynienia z kilkoma szeregami czasowymi. Metoda ta stanowi novum w
stosunku do narzędzi dotychczas stosowanych w literaturze przedmiotu w
zakresie analiz między kwestiami energetycznymi i jakością życia (por.
tabela 2). Rząd opóźnienia dla modelu wybrano analizując wartości
kryteriów informacyjnych (Akaike’a, Schwarza i Hanan-Quinna) – każde z
nich osiągnęło najniższą wartości dla 1 opóźnienia.
Na
podstawie
analizy
wartości
pierwiastków
równania
charakterystycznego dla oszacowanego modelu, można stwierdzić, że
rozwiązanie jest stabilne. Żaden z pierwiastków nie jest równy jedności,
zatem szeregi nie są skointegrowane (Maddala, 2008, s. 627).
Przeprowadzenie testu Ljunga i Boxa (1978, ss. 297–303) pozwoliło
stwierdzić, że w modelu nie mamy do czynienia z autokorelacją składnika
losowego (wartość 𝑝 na poziomie 0,124). Wyniki testu Doornika i Hansena
(2008, ss. 927–939) wskazują, że rozkład reszt jest normalny (wartość 𝑝 na
poziomie 0,826).
Parametry modelu VAR nie mają bezpośredniej interpretacji, zatem
badanie uzupełniono o analizę impulse-response. Na podstawie wykresów 1
i 2 można zauważyć, że wzrost cen energii elektrycznej negatywnie wpływa
na jakość życia, podczas gdy wzrost konsumpcji energii elektrycznej per
12
capita pozytywnie oddziałuje na wspomniane zjawisko. Odnosząc się do
analizy literatury przedmiotu, można stwierdzić, że polityka łagodzenia
ubóstwa energetycznego, polegająca na obniżaniu cen będzie sprzyjała
wzrostowi jakości życia w Polsce ze względu na zwiększenie konsumpcji
energii (a przez to produktywności gospodarstw domowych) lub
zmniejszenie wydatków na jej zakup (pozwalając gospodarstwom
domowym realokować dochody).
Wykres 1. Odpowiedź wskaźnika jakości życia na impuls5 ze strony cen energii
elektrycznej
17
15
13
11
9
7
5
3
1
-1
-3
-5
0
1
2
3
4
5
6
7
8
Źródło: opracowanie własne.
5
W obydwu przypadkach impuls ma wielkość jednego błędu standardowego.
9
13
Wykres 2. Odpowiedź wskaźnika jakości życia na impuls ze strony konsumpcji
energii elektrycznej per capita
6
5
4
3
2
1
0
-1
-2
-3
-4
-5
0
1
2
3
4
5
6
7
8
9
Źródło: opracowanie własne.
Zakończenie
Na podstawie przeglądu literatury przedmiotu i przeprowadzonej w
opracowaniu analizy empirycznej można stwierdzić, że narzędzia polityki
łagodzenia ubóstwa energetycznego mają wpływ na jakość życia w Polsce.
Kształtowanie cen energii elektrycznej (w celu ich obniżania) może
pozytywnie oddziaływać na dostępność energii elektrycznej, zmniejszając
tym samym zakres i głębokość ubóstwa energetycznego. Ograniczanie tego
zjawiska sprzyja podnoszeniu jakości życia z uwagi na pozytywny wpływ
wzrostu konsumpcji energii elektrycznej na jej elementy. Można zatem
uznać, że postawiona w opracowaniu hipoteza została zweryfikowana, a cel
opracowania osiągnięto.
Powyższe stwierdzenia nie mogą być jednak przyjmowane bez
zastrzeżeń. Dyskusyjną kwestią pozostaje wyznaczony miernik jakości życia
– z uwagi na dostępność danych nie istniała możliwość uwzględnienia
wszystkich aspektów wskazanego zjawiska. Ponadto, część jego elementów
wiązała się z subiektywnością ocen. Pewnym ograniczeniem jest brak
możliwości określenia zależności funkcyjnej między zmiennymi.
Wątpliwości może również budzić zastosowana metoda analizy zależności
między narzędziami polityki energetycznej i jakością życia (model VAR).
Przy bardzo wielu zaletach cechuje się ona stosunkowo wysokim stopniem
parametryzacji (Maddala, 2008, s. 611). Z tych wszystkich powodów należy
14
zachować dużą ostrożność w stosunku do wniosków sformułowanych w
opracowaniu.
Literatura
Barnes D., Khandker S., Samad H. (2011), Energy poverty in rural Bangladesh,
„Energy Policy”, Vol. 39, No. 2, http://dx.doi.org/10.1016/j.enpol.2010.11.014.
Becla A., Czaja S. (2003), Problem jakości życia i dobrobytu w teorii ekonomii (w
kontekście badań A. Sena), [w:] J. Tomczyk-Tołkacz (red.), Jakość życia w
perspektywie nauk humanistycznych, ekonomicznych i ekologii, Wydawnictwo
Akademii Ekonomicznej we Wrocławiu, Wrocław.
Borys T. (2008), Propozycja siedmiu typologii jakości życia, „Prace Naukowe
Uniwersytetu Ekonomicznego we Wrocławiu”, Nr 9.
Bouzarovski S., Petrova S., Sarlamanov R. (2012), Energy poverty policies in the
EU:
A
critical
perspective,
„Energy
Policy”,
Vol.
49,
http://dx.doi.org/10.1016/j.enpol.2012.01.033.
Campbell A. (1976), Subjective measures of well – being, „American Psychologist”,
Vol. 31(2).
Charemza W.W., Deadman C.F. (1997), Nowa ekonometria, PWE, Warszawa.
Czapiński J. (2009), Indywidualna jakość życia, [w:] Czapiński J., Panek T. (red.),
Diagnoza społeczna. Warunki i jakość życia Polaków, Wyższa Szkoła Finansów
i Zarządzania w Warszawie, Warszawa.
Doornik J., Hansen, H. (2008), An Omnibus Test for Univariate and Multivariate
Normality, „Oxford Bulletin of Economics and Statistics”, Vol. 70,
http://dx.doi.org/10.1111/j.1468-0084.2008.00537.x.
Foster V. (2000), Measuring the impact of energy reform: practical options, [in:]
World Bank, World Bank Energy And Development Report 2000: Energy
Services For The World’s Poor, World Bank, Washington.
Grevisse F., Brynart M. (2011), Energy Poverty in Europe: Towards a more global
understanding, http://proceedings.eceee.org/visabstrakt.php?event=1&doc=2478-11 (27.04.2016).
Guzik B., Appenzeller D., Jurek W. (2007), Prognozowanie i symulacje,
Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
Healy J. (2004), Housing, Fuel Poverty and Health: A Pan-European Analysis,
Ashgate, Aldershot.
Jacobs N. (2009), Energy Policy: Economic Effects, Security Aspects and
Environmental Issues, Nova Science Publishing Inc., London.
Kanagawa M., Nataka T. (2008), Assessment of access to electricity and the socioeconomic impacts in rural areas of developing countries, „Energy Policy”, Vol.
36, No. 6, http://dx.doi.org/10.1016/j.enpol.2008.01.041.
Ljung G., Box G. (1978), On a Measure of a Lack of Fit in Time Series Models,
„Biometrika”, Vol. 65, No. 2, http://dx.doi.org/10.1093/biomet/65.2.297.
Maddala G.S. (2008), Ekonometria, PWN, Warszawa.
15
Martinez D., Ebenhack B. (2008), Understanding the role of energy consumption in
human development through the use of saturation phenomena, „Energy Policy”,
Vol. 36, No. 4, http://dx.doi.org/10.1016/j.enpol.2007.12.016.
Mazur A. (2011), Does increasing energy or electricity consumption improve quality
of life in industrial nations?, „Energy Policy”, Vol. 39, No. 5,
http://dx.doi.org/10.1016/j.enpol.2011.02.024.
Miazga A., Owczarek D. (2015), Dom zimny, dom ciemny – czyli ubóstwo
energetyczne w Polsce, „IBS Working Paper”, Nr 16.
Otok S. (1981), Geografia społeczna, Państwowe Wydawnictwo Naukowe,
Warszawa.
Ouedraogo N. (2013), Energy consumption and human development: Evidence from
a panel cointegration and error correction model, „Energy”, Vol. 63,
http://dx.doi.org/10.1016/j.energy.2013.09.067.
Owsiński J., Tarchalski, T. (2008), Pomiar jakości życia. Uwagi na marginesie
pewnego rankingu, „Współczesne Problemy Zarządzania”, Nr 1.
Pasternak A. (2000), Global energy futures and human development: a framework
for analysis, US Department of Energy, Livermore.
Sims C. (1980), Macroeconomics and Reality, „Econometrica”, Vol. 48, No. 1,
http://dx.doi.org/10.2307/1912017.
Słaby T. (2007), Poziom i jakość życia, [w:] T. Panek, A. Szulc (red.), Statystyka
społeczna, PWE, Warszawa.
Stępniak A., Tomaszewska, A. (2013), Ubóstwo energetyczne a efektywność
energetyczna, Fundacja Instytut na rzecz Ekorozwoju, Warszawa.
World Bank (2002), Rural Electrification and Development in the Philippines:
Measuring the Social and Economic Benefits, Washington.
World Health Organization, (1997), Measuring Quality of Life, Geneva.